MultiOmicsDataIntegrationCourse2021

比较不同的多组学数据集成工具 概述 存在多种用于多组学数据集成的方法，但是，为给定的数据集选择最佳方法仍然是一个挑战。 在最近可用的一篇论文中，Cantini等人（2021） 1试图对TCGA癌症数据进行九种不同的数据整合方法的基准测试，发现该方法是多组学因子分析（MOFA） 2 ，多共惯性分析（MCIA） 3在发现与相应的临床/生物学注释相关的因素方面，联合和个体差异解释（JIVE） 4和正规化广义典范相关分析（RGCCA） 5的表现始终优于其他五种方法。 但是，该基准测试要求在不同的组学数据集之间进行样本匹配，没有考虑其在离散数据上的性能，也没有考虑由不同插补方法引起的变化。 因此，该项目的目的是在Dietrich等人（2018） 6的（CLL）数据集上对前三种多组学数据集成方法进行基准测试，这为解决这些缺陷提供了机会。 数据集 摘自Dietrich等人（2018）的CLL数据集包含来